大数据环境下对教育行为的重构

姚 海

（福建省浦城县梦笔学校，福建浦城 353400）

引言

随着互联网技术发展和信息化进程加快，再加上数据处理技术的创新发展，人们开始逐渐步入大数据时代。大数据处理技术在人们的工作和学习中将扮演十分重要的角色。在现今的社会，大数据的应用越来越彰显它的优势，它占领的领域也越来越大，教育领域也进入大数据时代。调查掌握数据现实可行，让教育工作者更好地了解学生的信息，走进学生的生活。

本文结合大数据的时代背景，就计算机信息处理技术类型进行探讨，并展望其发展趋势，希望能为教育工作开展提供一种新思路。

一、大数据与传统数据的区别

大数据在数据采集来源以及数据应用方向上与传统数据有着本质的区别。传统数据往往是一个阶段性的、针对性强的评估，比如学业成绩，某个具体指标的数据。其采样的数据比较单一，其中一个数据出错就可能造成系统误差；因此传统数据的分析主要显示的是群体水平，如学生整体的学业成绩水平，学生体质与身体发育的状况，分析家长对学校的满意度等等。举例来说，一个学生在九年制义务教育阶段，所产生的传统量化数据大概只占10K的数据量，个人与家庭基本信息、毕业学校、任教教师、各学期各学科阶段成绩，生理数据、优秀与不良信息记录等。

大数据对数据进行即时性的记录，数据量比较大，冗余度比较大。个别数据的误差，对整体的分析影响比较小。在数据方面，我们原来没有记录的、没有关注或者由于技术原因不能收集的信息，利用大数据技术都可以记录和分析。当前荷兰前沿的行为观察软件商——NOLDUS公司的研究数据表明，普通中学一个学生的一节课中，能被大数据记录和分析的数据就达5到6个GB。 大数据分析主要是通过关注个体学生在课堂等环境中的微观表现，并且是在学生不自知的情况下被观察、收集的，不影响学生任何的日常学习与生活，采集的数据自然、真实[1]。

二、大数据处理技术对教育教学行为的重构

1.学校教学活动

大数据技术让数据的分析具体到个人的每一个过程，学生真正成为一个教育过程的个体，使我们倡导的个性化教育具有了可行性。

我们平时布置的课外作业基本都是面向所有人，每个人完成的题目是相同的，因为集体教学的方式，就是将我们认为同龄的也是我们所认为的相当学习水平的学生聚在一起，给予相同的教育以节省成本，而实际的情况是每个学生都是有个体差异的。只有当大数据技术，通过多方面的数据挖掘帮助我们精确地了解每一个学生的真实学业水平和学习能力水平，才可以让“因材施教”的理想成为现实。

例如，从学生操作鼠标的情况就可以研究学生的学习轨迹，从学生鼠标的点击频率、鼠标的轨迹、键盘输入的速度、字符更改的情况，就可以发现学生对知识点的掌握情况，对掌握薄弱的知识点需要重点强调。再如，在做作业的时候，某学生的第1题答对了，系统就自动跳过第4题和第9题，答对第1题的学生就不需要做重复的题型浪费时间。另一位同学做错了第2题，系统就会让他继续做第5和第8题，这是因为经过数据比对，做错第2题的学生，能通过第5和第8题操练、巩固他缺乏的知识点。

大数据给教育教学行为带来的重构主要体现在三个方面：一是帮助我们找到真正影响学生成长的教育行为因素。二是，让我们更真实地了解学生的状况。三是帮助我们的教育行为走向个性化，为学生量身定制最适合他的教育方式。

2.学生评价

考试和老师的评语是有效测量学生成长的方法。著名技术活动家、《连线》杂志的主编凯文·凯利（Kevin Kelly）“自我量化”就是要做到用大量的数据记录、数据挖掘，从中分析出自己或学生的行为目标。相较于人类的自我意识：一是人的感觉是会存在盲点的，直觉的可信任度比较低，人类理性思维也有局限性，即使人类的大脑有惊人的记忆力，信息加工能力仍然较弱，并有较大的个体差异。更多时间，我们都会高估人类理性的力量，从而对于情绪对我们判断的影响力大大低估。

一个成绩，它带给我们的数据是什么?可以是简简单单的一个分数。在大数据环境下，我们可以轻松获得大量实际的数据：无论是大小题目的得分，还是选择题的勾选。学生做一道题需要花多长时间，他有没有更改过自己的答案；在做这些题目的时候，是沿着正常的序列，还是挑选着答题；甚至学生在什么时间翻开了试卷，他还有没有剩余的时间用于检查；他在检查过程中发现了哪些题目错误了，并进行了修改……这样的实效数据，比一个卷面上最后的得分价值来得高很多。这不仅仅是一次考试，这是把课程、师生课堂互动的每个环节都加入了大数据。数据可视化工具也显示了良好的潜力。比如用一种简单的用户界面展示主要绩效指标，允许学校管理者看到他们的学生的总体表现。

以下图1～4就是上海闵行区梅垅中学在大数据支撑下的学生成绩分析。从中可以分析出学生实际学业水平。

图1 英语成绩评估

图2 英语试卷模块分析

图3 英语试卷难易度分析

图4 阅读习惯分析

3.学校智能化管理

美国教育部1968年成立了“全美教育数据统计中心”。1968-2002年这34年间，经过对教育数据的长时间摸索并反复分析，探索形成了较为完整的教育数据处理方法，2002年美国教育部明确了数据在教育决策中的决定性地位，通过《教育科学改革法》，规定教育制定的所有政策都要在实证数据支持下进行。2002年，美国的教育研究所和全美教育数据中心进行重组，组成全美最重要的教育决策咨询机构——教育科学研究院(IES，Institute of Educational Science)。

数据驱动教育工具已经在美国很大范围内使用。举例来说，16个州的学校，使用数据勘探技术去确认处于危险中的学生。通过使用关键因素（如旷课，纪律问题，课堂表现变化）预测模式，教育者可以确认哪些学生最有可能退学。

2015年上海交通大学网络信息中心举办的EMC杯首届智慧校园开放数据大赛，开放了经过隐私化处理后的3万名同学的校园一卡通消费数据，和同学使用Wi-Fi网络的站点流量数据，共有1400万条。一卡通消费数据涵盖了餐饮、洗浴、水果、咖啡、图书馆、健身、娱乐等各类学生消费行为中产生的数据，而Wi-Fi数据则包含了PC端、移动端所使用的各类主流网络服务及其使用时间与地点数据。为同学们提供了一个实践大数据和构建智慧校园的平台，让同学们在纷繁复杂的大数据世界中，能够发挥创造力，玩转大数据[2]。其中，中科院的盈虚有数团队开发了能够投入校园真实运用的智慧校园应用系统。该团队打出的口号是：我们可能比你更了解你自己，通过对校园生活多方面数据的分析，发现了一系列问题和其背后的规律。比如，此时此刻，校园的哪一个食堂比较拥挤？如何避开食堂就餐的高峰期？同学们的网络阅读习惯透露了学生群体的哪些兴趣和关注点？团队分析从本科到博士的特定网站浏览数据，可以发现很多有趣的现象。通过对浏览安居客网站数据的分析，发现高年级同学，尤其是博士，更关注房产问题，女生比男生更上心；通过对浏览应届生网站数据的分析，发现招聘狂潮在大四和研三，而博士就业压力似乎不太大，也可能因为部分博士并不通过常规社招方法就业；通过对浏览世纪佳缘网站数据的分析，发现上海交通大学的男女生都会使用该类网站，尤其在快毕业的年纪更是明显。盈虚有数团队设计了一个数据驱动的APP，该APP主要有两大功能，一是校园人流的可视化分析，包括图书馆人数和食堂人数，通过实时数据的展示，可以让同学们在任何位置、任何时间了解到校园设施和校园资源的使用情况，可在一定程度上起到分流、避免拥堵的作用；二是智能推荐算法，根据用户习惯，推荐就餐地点和网站站点。

大数据让每一个同学都能够看到校园生活中的数据规律，也为学校管理者的管理决策提供了数据支撑。

三、大数据处理技术应用面临的挑战

1.数据挖掘的合理性

数据挖掘是将海量的数据进行大数据分析，从而揭示海量数据之间隐藏的关系、模式和趋势，为决策者提供新的知识。大数据领域专家涂子沛认为：通过数据挖掘可以从用户过去的行为数据中预测将要发生的行为信息，为其匹配个性信息。因此，如何构建一个合理的教育教学模型，是大数据能否成功指导学校管理决策、推进学生个性学习的关键。

2.保护个人隐私

受大数据追求全数据、混杂性、相关关系和数据化的趋势影响，每个人的数据和每个人的信息权，面对无约束、无区别的搜罗和运用的危害。个人隐私被泄露、被滥用已成为无法回避的事实。萦绕每个人数据的灰色行当，蕴含获得、保藏、出售、应用等等这些方面，但是他们最终想追求的是买卖销售、经济欺诈和骗取。

同时，互联网企业对用户信息隐私疏于保护。近日，《南方都市报》与中国政法大学传播法研究中心联合发布了1000家常用网站、手机应用的用户信息保护政策透明度排名。在参与测评的1000家平台中，超过50%的平台评分为“低”级别，其中，有157家平台不提供隐私保护政策。

学生数据的归纳、整理和运用，与学生的个人隐私权有关，大数据能不能保证学生的权益，同时对教育教学给予帮助，更多地在于能否在开拓应用每一位学生数据时避害就利、完成双方面的均衡。

结语

大数据时代的到来，促成信息技术手段有效应用于教学与科研。通过大数据的数据挖掘，使教育、教学的施行从关心整体变成关心个人，从而使教育个性化[3]。大数据在教育教学中的应用也会迎接许多挑战，要大范围开展使用，还需要细致思考，争取利用大数据对教育教学的行为重构，为国家培养更多优秀的人才。

[1] 张韫.大数据改变教育(节选)[J].基础教育论坛,2014,(11):43-45.

[2] 姜楠,许维胜.基于校园一卡通数据的学生消费及学习行为分析[J].微型电脑应用,2015,31(02):35-38.

[3] 陈律.大数据背景下学习分析技术对教学模式的变革[J].中国教育信息化,2013,(24):15-17.